Sommige dingen kan zelfs de knapste AI niet leren en wiskundigen tonen nu precies aan welke

In dit artikel:

Zelfs met enorme hoeveelheden data blijkt AI niet alles te kunnen oplossen: voor sommige systemen is het wiskundig aantoonbaar onmogelijk om het gedrag betrouwbaar te leren. Dat is de kern van een nieuwe studie van onderzoekers die met een oude maar krachtige benadering, gebaseerd op Koopman-operatoren, proberen complexe verschijnselen beter te begrijpen zonder elk detail rechtstreeks te modelleren.

De wetenschappers laten zien dat gangbare AI-methoden soms “spookresultaten” produceren: uitkomsten die overtuigend lijken, maar in werkelijkheid verzonnen zijn. Om dat probleem zichtbaar te maken, bouwden ze bewust lastige, misleidende systemen die voor algoritmes als valstrikken werken. Voor zulke gevallen geldt een harde grens: ook met perfecte en eindeloze data kom je niet boven een kans van vijftig procent om het gedrag correct te leren.

Tegelijk is hun boodschap niet somber. Voor systemen die wel aan redelijke voorwaarden voldoen, ontwikkelden ze methoden die aantoonbaar naar het juiste antwoord toewerken en bovendien een foutmarge meegeven. Daarmee kunnen echte signalen worden onderscheiden van misleidende patronen. De onderzoekers zetten deze inzichten om in een soort moeilijkheidsladder: sommige problemen zijn goed oplosbaar, andere alleen met extra verfijning, en weer andere zijn principieel ondoenlijk.

In de praktijk testten ze hun aanpak op veertig jaar aan satellietgegevens van Arctisch zee-ijs. Daaruit haalden ze verborgen patronen, waaronder een langdurige afname rond de Barentszee en de Karazee, en hun voorspellingen deden het beter dan bestaande modellen, inclusief een gespecialiseerd AI-systeem en een weercentrum-model. Opvallend was bovendien dat hun methode veel sneller werkt en op een gewone laptop draait.

Volgens de onderzoekers kan dit ook iets zeggen over taalmodellen zoals ChatGPT: die kunnen, net als hun testsystemen, chaotisch reageren op kleine veranderingen in de input. Dat helpt verklaren waarom zulke modellen soms informatie verzinnen of hallucineren.